چکیده: امروزه جریان‌های‌کاری در آزمایشات علمی و فرآیندهای سازمانی به طور گسترده‌ای استفاده می‌شوند. جریان‌های‌کاری به سرعت جای خود را در بخش عظیمی از فرآیندهای پیچیده صنعتی پیدا کرده‌اند، و همین امر سبب توجه ویژه به استفاده از روش‌های مناسب برای هرچه بهینه‌تر کردن آن‌ها شده است. در این باره تاکنون کارهایی جهت ساده‌سازی جریان‌های‌کاری صورت گرفته‌است. اما روش‌هایی که تاکنون ارائه شده‌اند، انعطاف پذیری لازم را برای پیش‌بینی ساده‌سازی مورد نیاز جریان‌کاری ندارند. زیرا بدون توجه به پویایی و تغییرات جریان‌های‌کاری ، آن‌ها را به صورت ایستا ساده می‌کنند. در حالی که لازم است تغییرات جریان‌های‌کاری اندازه گیری شود، و بر اساس به روزرسانی اندازه گیری‌ها برای ساده‌سازی آن‌ها تصمیم گیری شود. در روش پیشنهادی، ساده سازی جریان‌کاری با استفاده از تحلیل آماری پارامترهای نمودار جریان‌کاری و گزارش-های عملکرد فرآیند، صورت می گیرد. در این روش از تحلیل آماری برای دسته بندی جریان های کاری استفاده می شود. به این صورت که ابتدا تگ های جریان کاری را برای یافتن تگ هایی که بیشترین کاربرد را در جریان های کاری دارند استخراج می-کنیم. این کار با ارزیابی شباهت صورت می گیرد. بدین ترتیب که روش ارائه شده با یافتن تگ های پرکاربرد از میان تعداد زیادی جریان کاری، مدل یادگیری را برای شناخت دامنه های کاربرد جریان کاری آموزش می دهد. براین اساس مدل یادگیر می تواند به خوشه بندی جریان های کاری بپردازد. به ازای هرخوشه یک جریان کاری به عنوان نماینده خوشه معرفی می شود. در این جریان کاری نماینده، پرتکرارترین تگ ها احتمال حضور بیش تری دارند. نتایج به دست آمده از روش ارائه شده نشان می‌دهد که استفاده از تحلیل آماری برای تخمین مسیرهای ساده‌تر در جریان‌کاری موفق بوده است. در صورت استفاده از روش ارائه شده، مقدار پارامتر اتصال جریان کاری به مقدار 0.186 کاهش خواهد یافت. در حالی که بدون استفاده از این روش این مقدار 0.527 می‌باشد. کاهش پارامتر اتصال به میزان حدود 30 درصد، باعث کاهش برخوردهای خطازا در جریان‌کاری می‌شود. مزیت روش ارائه شده این است که این روش به دلیل نیاز نداشتن به اتکا به محدوده خاصی از جریان‌های‌کاری می‌تواند برای ساده‌سازی و بهبود جریان‌های‌کاری مشاهده نشده نیز تصمیم‌گیری‌های قابل قبولی ارائه دهد. به این صورت که در تشکیل پایگاه داده که از روی ارزیابی شباهت های جریان‌کاری به وجود آمده است، می توان داده های این جریان کاری جدید و مسیرهای جدید پیش بینی شده را در پایگاه داده به صورت پویا اضافه کرد، تا امکان ساده سازی خودکار جریان کاری فراهم شود. هر زمان که با جریان‌کاری جدیدی مواجه شدیم که قبلا مشابه آن دیده نشده باشد، آن را به نماینده خوشه ای که بیشترین شباهت را با آن داشته باشد انتساب داده می دهیم. بنابراین امکان پیش بینی مسیرهای ساده سازی برای جریان-ها ی‌کاری که تاکنون ندیده ایم نیز به وجود می آید. تخمین داده‌ها به طور میانگین تا 87 درصد منجر به تخمین صحیح دامنه جریان‌کاری می‌شود.